ایجاد یک “بویایی مصنوعی” فوق حساس با ترکیب نانوسنسورهای زیستی و پردازش سیگنال پیشرفته برای تشخیص بیماری ها از بازدم

فایل این در 6 صفحه با فرمت PDF قابل دریافت می باشد

  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این :

چکیده :

تحلیل ترکیبات آلی فرار در بازدم به عنوان روشی غیرتهاجمی برای تشخیص بیماری ها مورد توجه است. این پژوهش به طراحی و توسعه یک سیستم "بویایی مصنوعی" فوق حساس مبتنی بر نانوتکنولوژی پرداخته است. در این سیستم از آرایه ای از نانوسنسورهای زیستی با پوشش های پلیمری و آنتی بادی های اختصاصی برای شناسایی نشانگرهای بیماری های مختلف استفاده شده است. داده های حاصل از سنسورها توسط الگوریتم های پردازش سیگنال پیشرفته شامل فیلتراسیون دیجیتال، استخراج ویژگی و کاهش ابعاد مورد پردازش قرار گرفت. سپس یک سیستم طبقه بندی مبتنی بر یادگیری ماشین برای تشخیص الگوهای بیماری زا به کار گرفته شد. نتایج حاکی از دقت تشخیص 97.3 درصدی در شناسایی پنج بیماری شایع از جمله سرطان ریه و دیابت بود. این سیستم قادر به شناسایی غلظت های بسیار پایین (زیر 50 ppb) از نشانگرهای بیماری زا با انتخاب پذیری بالا می باشد. یافته ها نشان می دهد که تلفیق نانوسنسورهای زیستی با پردازش سیگنال پیشرفته می تواند انقلابی در تشخیص غیرتهاجمی و زودهنگام بیماری ها ایجاد کند

نویسندگان

علی حیدری

کارشناسی مهندسی بر ق

مراجع و منابع این :

لیست زیر مراجع و منابع استفاده شده در این را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود لینک شده اند :
  • 1. Smith, J., et al. (2022). Breath biomarkers for disease detection. ...
  • 2. Johnson, A., & Brown, K. (2021). Challenges in VOC detection ...
  • 3. Chen, X., et al. (2020). Limitations of semiconductor-based e-nose systems. ...
  • 4. Zhang, Y., & Wang, L. (2019). Advanced signal processing for ...
  • 5. Kim, S., et al. (2023). Nanobiosensor integration with machine learning ...
  • 6. Zhang, Y., et al. (2023). Aptamer-functionalized carbon nanotubes for enhanced ...
  • 7. Wang, L., & Chen, X. (2022). Microfluidic-based sensor arrays for ...
  • 8. Johnson, M., et al. (2021). Standardized protocols for breath sample ...
  • 9. Brown, K., & Davis, R. (2020). Advanced signal processing techniques ...
  • 10. Kim, S., et al. (2022). Deep learning approaches for pattern ...
  • 11. Anderson, P., & Wilson, M. (2019). Statistical validation of diagnostic ...
  • 12. Chen, Y., et al. (2023). Molecularly imprinted polymer-functionalized carbon nanotubes ...
  • 13. Zhang, H., et al. (2024). Deep convolutional neural networks for ...
  • 14. Li, R., et al. (2023). A fully integrated portable platform ...
  • 15. Garcia, M., et al. (2024). Silicon nanowire-based sensors for long-term ...
  • 16. Patel, K., et al. (2023). Ensemble machine learning for robust ...
  • 17. . Watanabe, T., et al. (2023). Stability challenges of carbon ...
  • 18. 18. Schmidt, A., et al. (2024). Limitations of deep learning ...
  • نمایش کامل مراجع